MSC 62M05中最近的zbMATH文章 https://zbmath.org/atom/cc/62M05 2024-04-15T15:10:58.286558Z Werkzeug公司 多维周期扩散占据测度的Donsker定理 https://zbmath.org/1530.60038 2024-04-15T15:10:58.286558Z “再见,尼尔” https://zbmath.org/authors/?q=ai:deo.neil 摘要:我们研究了具有周期漂移和扩散率的多维扩散过程产生的经验过程。利用扩散发生器的光滑性质来证明某些类光滑函数的Donsker性质。我们部分概括了[textit{A.van der Vaart}和\textit{H.van Zanten},Ann.Probab.33,No.4,1422--1451(2005;Zbl 1084.60047)]中研究的一维情况的发现:扩散经验过程比经典的i.i.d.观测情况表现出更强的规律性。作为应用,推导了时间(T)占据测度和维数(d)不变测度之间Wasserstein-1距离的精确渐近性。 马尔可夫加性过程超调量的稳定性 https://zbmath.org/1530.60066 2024-04-15T15:10:58.286558Z “德林,莱夫” https://zbmath.org/authors/?q=ai:doring.leif “卢卡斯·特罗特纳” https://zbmath.org/authors/?q=ai:trottner.lukas 小结:我们证明了有限调制空间下马尔可夫加性过程超调量的精确稳定性结果。我们的方法基于MAP超调的马尔可夫性质,根据MAP的特性研究了MAP的混合和遍历特性。在我们的方法中,我们扩展了MAP的涨落理论,通过推广以Lévy过程著称的Vigonéquations aciales inversesés,有助于理解MAP的Wiener-Hopf因式分解。利用Lamperti变换,结果可以应用于自相似Markov过程。在许多可能的应用中,我们作为一个具体的例子研究了在对称首次撞击时间采样的稳定过程的混合行为。 随机系统的统计模型选择及其在生物信息学、语言学和神经生物学中的应用。2021年8月2日至6日,巴西里约热内卢IMPA,第33届巴西数学学术讨论会——33度巴西科洛基奥 https://zbmath.org/1530.62001 2024-04-15T15:10:58.286558Z “安东尼奥·高尔夫斯” https://zbmath.org/authors/?q=ai:galves.antonio “莱昂纳多,佛罗伦萨” https://zbmath.org/authors/?q=ai:leonardi.florencia “奥斯特,吉尔赫默” https://zbmath.org/authors/?q=ai:ost.guilherme (无摘要) 跳跃扩散模型中扩散参数的自加权分位数回归估计 https://zbmath.org/1530.62033 2024-04-15T15:10:58.286558Z “宋玉萍” https://zbmath.org/authors/?q=ai:song.yuping “蔡春春” https://zbmath.org/authors/?q=ai:cai.chunchun “毛、慧觉” https://zbmath.org/authors/?q=ai:mao.huijue “朱,敏” https://zbmath.org/authors/?q=ai:zhu.min.4 摘要:提出了带跳扩散模型中扩散参数的自加权分位数回归估计。得到了基本估计的一致性。此外,通过Monte-Carlo模拟研究和实证分析,验证了较好的有限样本特性。 具有滚动最大提取控制的贝叶斯非参数投资组合选择 https://zbmath.org/1530.91533 2024-04-15T15:10:58.286558Z “梅,小玲” https://zbmath.org/authors/?q=ai:mei.xiaoling “王亚冲” https://zbmath.org/authors/?q=ai:wang.yachong “朱维轩” https://zbmath.org/authors/?q=ai:zhu.weixuan 摘要:我们提出了一种新的方法来解决多期投资者面临多重风险资产、交易约束和回报可预测性的投资组合选择问题。我们的目标是最大化均值-方差效用,同时解决在存在交易约束的情况下与动态规划相关的维数灾难所带来的计算挑战。为了克服这个问题,我们采用了模型预测控制,这是一种计算效率高的方法来解决这个问题。此外,我们建议使用非参数贝叶斯模型,特别是基于分层Dirichlet过程的隐马尔可夫模型(HDP-HMM)来预测收益的多周期均值和协方差。然后,我们考虑一个时变的最大缩水来调整风险规避,这可以有效地处理限额损失问题。通过广泛的仿真研究和实证分析,我们证明基于我们提出的方法的交易策略在样本外性能方面优于现有方法。